پردازش تصویر در ربات انسان نما

[mbakhshi]

باسلام به همه

من یکی از اعضای یک تیم ربات انسان نما هستم، که اخیراً هم در مسابقات ایران اوپن شرکت کردیم. تنها مشکل ما تو این مسابقات پردازش تصویرمون بود، که بهمون ضریه زد.
اون موقع از به دوربین ضعیف استفاده میکردیم که خودش کار پردازش تصویر رو انجام میداد، الآن قصد دارم به وب کم رو بیارم، و یه بورد آرم (embeded pc) که روش ویندوز CE نصب شده.
بورد آرم رو تهیه کردم و دارم روش ویندوز رو نصب میکنم.
پس میتونیم از .NET استفاده کنیم...
من توی پردازش تصویر هنوز اول راهم، و به نظرم کتابخونه AFORGE میتونه مفید باشه، البته هنوز مطمئن نیستم توی WIN CE با Compact framework هم کار میکنه یا نه....
میخوام از دوستان برای پردازش تصویر یک زمین فوتبال کمک بگیرم،
که شامل: توپ نارنجی رنگ، دو تا دروازه با تیر دروازه های آبی و زرد، و 2 تا ستون با رنگ های (زرد-آبی-زرد) و (آبی-زرد-آبی) در کناره ها و خطکشی کف زمین هست.

خودم یه سری کارهایی با فیلترهای Aforge انجام دادم که توی ادامه میزارم، اما دانش پردازش تصویر وهوش مصنوعی رو ندارم، که بتونم تیر دروازه رو بین نویز ها تشخیص بدم...
با احترام به دوستانی که اینجا کمک میکنن، علاوه بر اون اکه عزیزانی هستند که تمایل دارند به صورت حرفه ای کار مورد نظر رو انجام بدن، ما در حد توانمون هزینه های کارشون رو تقدیم میکنیم و یا اگه تمایل داشته باشن، با توجه به اینکه تا آخر خرداد مسابقات جهانی سنگاپور فرا میرسه، و تیم ما هم کوالیفای شده برای مسابقات و قصد داریم با هزینه شخصی شرکت کنیم میتونیم اسمشون رو به تیم اضافه کنیم که هزینه اضافه کردن هر نفر هم نسبتا بالاست، تا در عوض کار گواهی شرکت در مسابقات جهانی رو به عنوان رزومه داشته باشن که در صورت آوردن مقام مزایای بسیار بیشتری میتونه داشته باشه....

http://www.iranimg.com/images/73451268148401856401.jpg

تصویر ربات ها به همراه توپ... ربات سمت چپ که توپ توی بقلشه با دوتا ربات های پشت سریش ربات ما هستند.

http://www.iranimg.com/images/84501667231081116718.jpg

تصویری از دو دروازه...
http://www.iranimg.com/images/84441624889393426765.jpg
نمونه دروازه....

و عکس پردازش شده با aforge هم توی ضمیمه آوردم...
اما مشکلم اینکه تشخیص بدم این U برعکس دروازست یا دابره نارنجی توپه...
منتظر پاسخ دوستان هستم...

[asefy2008]

سلام میشه سوالت رو واضح تر بپرسی.
اگه منظورت این هست که می خوای تیر دروازه رو تشخیص بدی باید از شبکه های عصبی استفاده کنی.
من نمی دونم شما چه حد پردازش تصویر بلدی ؟
و توی این سایت می تونی بیشتر به نتیجه برسی :

http://artificial.ir/intelligence

[mbakhshi]

آره دقیقاً...
میخوام دروازه و توپ و تیرک های کنار زمین رو تشخیص بدم...
همینطور تو فاز بعدی از رو خط کشی های روی زمین ربات بتونه مکان خودش رو روی زمین پیدا کنه...

فکر میکنم استفاده از هوش مصنوعی یه کار اصولی و قابل توسعه هست... اما مشکل من توی زمان کمی هست که دارم، لذا خودم نمیتونم مستقل روش کار کنم با توجه به اینکه پیش زمینه ای هم ندارم...
فکر میکنم اگه یکی از دوستان وقت بذارن تا به صورت گروهی و مشترک انجام بدیم ممکنه بتونیم برسیم....

[saber4166]

سلام
من زياد كار نكردم ولي از اونجايي كه خيلي علاقه دارم حاضرم دست به هر كاري بزنم تا اين مشكل حل بشه

[asefy2008]

آره دقیقاً...
میخوام دروازه و توپ و تیرک های کنار زمین رو تشخیص بدم...
همینطور تو فاز بعدی از رو خط کشی های روی زمین ربات بتونه مکان خودش رو روی زمین پیدا کنه...

فکر میکنم استفاده از هوش مصنوعی یه کار اصولی و قابل توسعه هست... اما مشکل من توی زمان کمی هست که دارم، لذا خودم نمیتونم مستقل روش کار کنم با توجه به اینکه پیش زمینه ای هم ندارم...
فکر میکنم اگه یکی از دوستان وقت بذارن تا به صورت گروهی و مشترک انجام بدیم ممکنه بتونیم برسیم....

من یه شش ماهی میشه که دارم رو پردازش تصویر کار می کنم و خیلی هم علاقه مندم ولی نمی دونم اطلاعاتم در این سطح هست یا نه؟ و همچنین افراد تا حدودی حرفه ای رو هم میشناسم که بتونن کمک کنن. خوشحال میشم بتونم کمک کنم.
موفق باشی

[mbakhshi]

مرسی از دوستانی که اعلام آمادگی کردن، اول باید ببینیم چه کارهایی باید انجام بشه، بعد کار رو قسمت بندی کنیم...

فکر میکنیم اولین کار پردازش تصویر هست تا بشه با توجه به اختلاف رنگ، دروازه و توپ رو توی تصویر مشخص کرد، من دانش پردازش تصویر ندارم، اما با اعمال یک سری فیلترها روی تصویر دروازه تونستم فقط خود دروازه رو بکشم بیرون و البته کمی هم نویز محیط مثل رنگ لباس افراد کنار زمین و ...
فکر میکنم باید این بخش رو از یکی دوستان که دانش این کارو دارن کمک بگیریم تا کارمون هم علمی و اصولی باشه....
بعد از پردازش تصویر به نظر میاد احتیاج به شبکه های عصبی و هوش مصنوعی هست، تا بشه دروازه رو توی تصویر وبین نویز های محیط تشخیص داد حتی اگه کل توپ و دروازه توی عکس نباشن...
این کارهایی هست که به نظر میرسه باید انجام بشه بازم اگه دوستان نظری دارن لطفاً بگن تا استفاده کنیم.

اما فعلاً برای پردازش تصویر خوشحال میشم اگه عزیزان کمک کنن تا راه بیوفتیم...

[saber4166]

مرسی از دوستانی که اعلام آمادگی کردن، اول باید ببینیم چه کارهایی باید انجام بشه، بعد کار رو قسمت بندی کنیم...

فکر میکنیم اولین کار پردازش تصویر هست تا بشه با توجه به اختلاف رنگ، دروازه و توپ رو توی تصویر مشخص کرد، من دانش پردازش تصویر ندارم، اما با اعمال یک سری فیلترها روی تصویر دروازه تونستم فقط خود دروازه رو بکشم بیرون و البته کمی هم نویز محیط مثل رنگ لباس افراد کنار زمین و ...
فکر میکنم باید این بخش رو از یکی دوستان که دانش این کارو دارن کمک بگیریم تا کارمون هم علمی و اصولی باشه....
بعد از پردازش تصویر به نظر میاد احتیاج به شبکه های عصبی و هوش مصنوعی هست، تا بشه دروازه رو توی تصویر وبین نویز های محیط تشخیص داد حتی اگه کل توپ و دروازه توی عکس نباشن...
این کارهایی هست که به نظر میرسه باید انجام بشه بازم اگه دوستان نظری دارن لطفاً بگن تا استفاده کنیم.

اما فعلاً برای پردازش تصویر خوشحال میشم اگه عزیزان کمک کنن تا راه بیوفتیم...

سلام
بنده شروع ميكنم به پردازش تصویر كه گفتين و بعد از نتيجه گيري كامل و درست اطلاع ميدم
بنده روي اخرين عكسي كه در بالا قرار دادين كارمو شروع ميكنم

[مصطفی ساتکی]

خوب حالا مشکلش چی بود که نمی تونی این کارو انجام بدی.چون محیطت استاتیک کارت اصلاً مشکل نیست.حالا که رنگ دروازه مشخصه .اگه مشخص هم نبود مشکلی نبود.یه راهش همونه که تصویر فیلتر کردی تو این موارد از سیستم رنگی L*a*b* استفاده کن بتونی رنگها رو جدا کنی بهت بگم اگر بخای با تصویر رنگی کار کنی افت سرعت داری.حالا Region روی داری پس مرکز رو هم داری.حالا اگر تصویرت Grayscale باشه هر لحظه Sobel اعمال کن با یه Threshold دستی . سپس با Hough خط های افقی عمودی رو در بیار مختصاتشو بفست تو یه تابع بهت بگه که این دروازه است یا نه. ولی اگه بخای مسابقه ای بری که شرایطتش پیش بینی نشده است.اون لبه کانی بدرت نمی خوره یه لبه CNN می خوای که جوابش از لبه Canny هم بهتر و خوراک کارهای Real یعنی از این لبه بهتر نمیشه مزیتش اینه که مثل کانی وابسته به پارامتراش نیست کانی یه راههای داره که پارامتراشو بهینه می کنه ولی تو اکثر شرایط لبه زائد زیاد داره که اون لبه های زائد هم کیفیت تشخیصو میاره پایین و هم واسه Hough سرعت گیره.

[asefy2008]

خوب حالا مشکلش چی بود که نمی تونی این کارو انجام بدی.چون محیطت استاتیک کارت اصلاً مشکل نیست.حالا که رنگ دروازه مشخصه .اگه مشخص هم نبود مشکلی نبود.یه راهش همونه که تصویر فیلتر کردی تو این موارد از سیستم رنگی L*a*b* استفاده کن بتونی رنگها رو جدا کنی بهت بگم اگر بخای با تصویر رنگی کار کنی افت سرعت داری.حالا Region روی داری پس مرکز رو هم داری.حالا اگر تصویرت Grayscale باشه هر لحظه Sobel اعمال کن با یه Threshold دستی . سپس با Hough خط های افقی عمودی رو در بیار مختصاتشو بفست تو یه تابع بهت بگه که این دروازه است یا نه. ولی اگه بخای مسابقه ای بری که شرایطتش پیش بینی نشده است.اون لبه کانی بدرت نمی خوره یه لبه CNN می خوای که جوابش از لبه Canny هم بهتر و خوراک کارهای Real یعنی از این لبه بهتر نمیشه مزیتش اینه که مثل کانی وابسته به پارامتراش نیست کانی یه راههای داره که پارامتراشو بهینه می کنه ولی تو اکثر شرایط لبه زائد زیاد داره که اون لبه های زائد هم کیفیت تشخیصو میاره پایین و هم واسه Hough سرعت گیره.
سلام دوست عزیز
می تونی در مورد لبه یاب CNN و تبدیل هاف بیشتر توضیح بدی.

[مصطفی ساتکی]

CNN یا Cellular Neural Network که در این دسته از فیلتر های لبه یاب باشبکه عصبی پیاده سازی می شن و از جمله مزیت های این دسته از فیلتر های لبه یاب یادگیری لبه های مطلوب در موارد خاص ،قابلیت تعمیم پذیری بالا ، سرعت آنها در کاربردهای Realtime و نتایج مطلوب تر نسبت به سایر فیلترها.
Hough در حالت استاندار به 2 صورت خطی و دایره مورد استفاده قرار می گیره.تعبیر هندسی خط یعنی قرار گرفته یکسری نقاط مجاور در یک جهت خاص.حالا در Hough خطی ما میخایم کلیه نقاطی رو که در یک راستا قرار دارند رو بدست بیارم.ساده ترین راه ممکن که یک آرایه 3 بعدی در نظر بگیریم و نقاط هم راستا را در آن انباشت کنید به ازای هر نقطه موجود در راستا یکی به این Accumulator اضافه کنیم. در تحلیل هندسی کلیه نقاطی که در یک راستا قرار دارند دارای فاصله p (رو) از مبدا مختصات و زاویه تتا می باشند. بزرگترین مقدار در این Accumulator به عنوان مبدا قرار گرفته وبقیه نقاط هم نسبت به آن محاسبه می شود . عوامل تاثیر گذار در hough میزان gap بین نقاط مجاور و طول پاره خط هایی تشکیل دهنده یک خط می باشد. در ضمن در حالت استاندار می تونیم بجای در نظر گرفتن 360 درجه برای انباشت میزان این زوایا رو هم می تونیم کاهش بدیم که در محاسبه hough تاثیر بسازیی داره.